IN302 – Chapitre 1 Notions de base, connexité. Rappels sur la complexité

Slides:



Advertisements
Présentations similaires
CHAPITRE 5 Suites réelles.
Advertisements

Approximation CHEBYSHEV.
Connexité.
Algorithmes et structures de données avancées Cours 7
Algorithmes et structures de données avancées Cours 6 Patrick Reuter
Algorithmes et structures de données 7ème cours
Algorithmes et structures de données avancés
Introduction à l’Algorithmique
Calculs de complexité d'algorithmes
CHAPITRE 2 Nombres entiers, initiation à l’arithmétique- Nombres rationnels.
Modélisation par le concept de graphe
Bloc1 : Théorie des graphes et problèmes d’ordonnancement
Colloque Traitement et Analyse de séquences : compte-rendu
Visualisation d’information interactive 5 : Graphes
Chap. 1 INTRODUCTION Beaucoup de problèmes de la vie courante, tels la gestion de réseaux de communication ou l'ordonnancement de tâches, correspondent.
FILTRAGE A. Objectifs de la séquence:
« Small World » Modélisation
Chapitre II.Rappels mathématiques et complexité
Chapitre VIII. Introduction aux graphes
Conception et analyse des algorithmes
COURS SUR LA THEORIE DES GRAPHES
Plus courts chemins On présente dans ce chapitre un problème typique de cheminement dans les graphes : la recherche d'un plus court chemin entre deux sommets.
Algorithmes Branch & Bound
Les algorithmes: complexité et notation asymptotique
Leçon 6 : Structures de données dynamiques IUP 2 Génie Informatique Méthode et Outils pour la Programmation Françoise Greffier.
Détection de co-évolution de gènes Master 2 : Informatique à Finalité Professionnelle et Recherche Unifiée (IFPRU) Parcours Ingénierie de lIntelligence.
LES ARBRES IUP 2 Génie Informatique
Analyse d’Algorithmes
Structures de données IFT-2000
IFT Complexité et NP-complétude
IFT Au delà de NP: hiérarchie polynomiale, EXP, NEXP.
1 Evaluation des Operations Relationnelles : Algorithmes Additionnels Chapitre 14, ,


Programmation linéaire et Recherche opérationnelle
Recherche Opérationnelle
Efficacité des algorithmes
Parallel Programming with MPI and OpenMP Michael J. Quinn.
Institut Supérieur des Etudes Technologiques de Djerba Exposé du Traitement de Données Réalisé par: Khalifa Marwa Magroun Amira Jawadi Souad L2MDW.
21 février 2006Cours de graphes 2 - Intranet1 Cours de graphes Les plus courts chemins, les chemins les plus légers : à laide de la vague, à laide de la.
Introduction aux problèmes d'ordonnancement sans temps-morts.
Analyse des Algorithmes
Structures de données IFT-2000 Abder Alikacem Arbres de recouvrement minimum Département dinformatique et de génie logiciel Édition Septembre 2009 JFK.

1 Notations Asymptotiques Et Complexité Notations asymptotiques : 0 et  Complexité des algorithmes Exemples de calcul de complexité.
O-notation 1. Introduction 2. O-notation 3. Opérations 3.1 Somme 3.2 Produit 4. Règles générales 5. Exemple 6.Analyse des algorithmes récursifs 6.1 Dilatation.
Segmentation par analyse d’une image de gradient (ligne de partage des eaux) par fusion de régions dans un graphe par méthode variationnelle (Mumford.
Mathématiques Discrètes
Complexité des Problèmes Combinatoires Module IAD/RP/RO/Complexité Philippe Chrétienne.
Licence Informatique Algorithmique des graphes
Modèles Mathématiques et représentation discrètes pour la description des images couleur Luc Brun.
2008/ Plan du cours 1.Introduction –Contenu du cours 2.Logique mathématique –Calcul propositionnel –Calcul des prédicats –Logique floue et aide à.
Polynôme d’avalanche A. Micheli Dominique Rossin.
MATHÉMATIQUES DISCRÈTES Chapitre 2 (section 2) François Meunier DMI.
Helen KASSEL (amphi), Herve BARBOT (TD, TP)
Juillet 2014 Calcul d’une DFT avec une matrice. DFT Une DFT peut être calculée avec matrice basée sur le « twiddle factor »: Cette matrice, de taille.

20/06/2015propagation de signatures lexicales dans le graphe du Web 1 Propagation de signatures lexicales dans le graphe du Web M. Bouklit M. Lafourcade.
Ajouts et retraits dans un arbre de connexion Nicolas Thibault et Christian Laforest, Équipe OPAL Laboratoire IBISC (regroupement LaMI et LSC), Évry 8.
ÉTUDE COMPLÈTE 1 Cours 15.
CSI2510 Structures de données et algorithmes Analyse des algorithmes
CSI2510 Structures de données et algorithmes Plus court chemin
Traversées (Parcours ) de graphes
Complexité algorithmique
Chapitre 3 Problèmes de Cheminement
Université Paul Sabatier - Toulouse 3 Accueil des nouveaux personnels – Promotion 2007 IUT A – Service Direction – 19 août Chapitre 3 Algorithmes.
Les mathématiques en STI2D et STL Journée du 11 avril 2011.
Notions de base, connexité
Plan Introduction Parcours de Graphe Optimisation et Graphes
IN302 – Chapitre 3 Plus courts chemins.
Transcription de la présentation:

IN302 – Chapitre 1 Notions de base, connexité

Rappels sur la complexité

Rappel sur la complexité Algorithme A Données caractérisées par une taille n On note C A (n) le coût dexécution de lalgorithme A sur un jeu de données de taille n

Rappel sur la complexité n t C A (n)

Rappel sur la complexité Considérons une fonction f(n), par exemple : f(n)=n, f(n)=n 2 … On dit que lalgorithme A possède une complexité en O(f(n)) si : la fonction C A (n) est dominée asymptotiquement par k.f(n) c.a.d : il existe deux constantes k et n 0 telles que pour tout n > n 0, on ait k.f(n) > C A (n)

Rappel sur la complexité n t C A (n) k.f(n) n0n0

Rappel sur la complexité Propriété : si P(n) est un polynome en n de degré d, alors A est en O(P(n)) équivaut à A est en O(n d )

Algorithmes : successeurs dune partie de E

Algo 1 Données (E, ), X E Résultat Y E 0/ Y = 1/ Pour tout (x,y) 2/Si x X 3/Y = Y {y}

Algo = {(1,4), (3,4), (1,3), (3,5),...}

Algo = {(1,4), (3,4), (1,3), (3,5),...} X = {3, 5, 6}

Algo = {(1,4), (3,4), (1,3), (3,5),...} X = {3, 5, 6} Y = {}

Algo = {(1,4), (3,4), (1,3), (3,5),...} X = {3, 5, 6} Y = {}

Algo = {(1,4), (3,4), (1,3), (3,5),...} X = {3, 5, 6} Y = {}

Algo = {(1,4), (3,4), (1,3), (3,5),...} X = {3, 5, 6} Y = {4}

Algo = {(1,4), (3,4), (1,3), (3,5),...} X = {3, 5, 6} Y = {4}

Algo = {(1,4), (3,4), (1,3), (3,5),...} X = {3, 5, 6} Y = {4}

Algo = {(1,4), (3,4), (1,3), (3,5),...} X = {3, 5, 6} Y = {4, 5}

Algo = {(1,4), (3,4), (1,3), (3,5),...} X = {3, 5, 6} Y = {4, 5, 7}

Algo 2 Données (E, ), X E Résultat Y E 0/ Y = 1/ Pour tout x X 2/Pour tout y (x) 3/Y = Y {y}

Algo (1) = {2,3,4} ; (2) = {3,5} ; (3) = {4,5} … X = {3, 5, 6} Y = {}

Algo (3) = {4,5} ; (5) = {4,7} ; (6) = {5} … X = {3, 5, 6} Y = {}

Algo (3) = {4,5} ; (5) = {4,7} ; (6) = {5} … X = {3, 5, 6} Y = {4,5}

Algo (3) = {4,5} ; (5) = {4,7} ; (6) = {5} … X = {3, 5, 6} Y = {4,5}

Algo (3) = {4,5} ; (5) = {4,7} ; (6) = {5} … X = {3, 5, 6} Y = {4,5,7}

Algo (3) = {4,5} ; (5) = {4,7} ; (6) = {5} … X = {3, 5, 6} Y = {4,5,7}

Connexité, chemins

Small world

Reconnaissance de caractères Logiciel de reconnaissance optique de caractères (OCR)

Graphes dadjacence 4 - adjacence8 - adjacence

Composantes fortement connexes